川观新闻记者 魏冯 何嘉琦

“没有支付机制的AI，只能做项目，难做产业。”10月25日，由四川省委网信办指导、四川省互联网行业联合会主办的2026年“数智健康·双化协同”主题活动——数智健康产业高端对话在成都举行，北京未来人工智能与数字健康研究院院长、北京师范大学互联网发展研究院院长李韬说完这句话，会场安静了几秒——“AI医疗健康最大的瓶颈不是技术，而是谁付费。”

中国科学院院士、医院管理者、产业研究者与科技企业代表轮番登台，全场都在回答——数智健康产业，机遇何在？AI医疗健康，路向何方？

头部医院、企业积极布局

“数字医疗基层赋能行动”启动

现场，中国科学院院士、四川省人民医院党委书记杨正林分享一个罕见病患者的故事。“一位患者因不明原因心衰反复住院9次，始终查不出病因。AI介入后，那位患者数周锁定心脏淀粉样变，确诊从以年计缩短到周。”他表示，罕见病平均误诊率高达六成，传统模式下平均确诊周期5—10年，针对罕见病诊疗难题，省人民医院把罕见病 AI 辅助诊疗工具装进全院医生工作站，可疑病例会自动弹窗，给出进一步检查方案、转诊指引，帮助临床医生及时识别罕见病，缩短患者的确诊等待时间。

杨正林。省互联网行业联合会供图

探索不止于罕见病。杨正林举例，医院依托与电子科技大学共建医学院的医工交叉优势，把AI融入就医流程、临床诊疗、科研创新和院内运营，如医院研发数字微流控生物芯片技术平台，仅需1毫升血液就能完成多项检验，大幅减少采血量、缩短检测时长。该项目已获得国家层面支持，未来有望打造国家检验创新中心；AI显微识别系统自动阅片，识别结核菌、肿瘤细胞，解决人工阅片耗时久、容易漏检的痛点，这套能力还可以远程赋能边远地区医疗机构。

在华西医院，AI已嵌入智能分诊、预问诊、病情摘要、电子病历生成、智能随访等环节，推动服务从“患者找上门”转向“医院主动提醒”。华西医院门诊部、互联网医院管理办公室主任师庆科现场分享一组数据，累计在线诊疗服务1025.89万余人次，平台超2000万患者用户，药品配送覆盖全国300多个城市，服务范围覆盖全国以及海外留学生群体。

蚂蚁阿福也在四川加快布局。“过去一年阿福用户达1.5亿，日健康咨询近2000万；在川服务用户超700万，合作医疗机构350余家。”蚂蚁健康AI医疗服务事业部西南大区总经理陈菁说。

会场也透露另一则信息，四川省“数字医疗基层赋能行动”排上日程，行动将统筹政府部门、医疗机构、科技企业、主流媒体、基层医疗机构等多方力量，面向县域、乡镇和民族地区基层医疗机构，落地远程诊疗、AI辅助诊疗等数字化医疗服务，探索远程手术技术支持应用，推动技术、资源、人才、服务一体化下沉，让基层群众在家门口获得可靠的健康保障。

2025年11月，国家卫健委等五部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确到2030年“基层诊疗智能辅助应用基本实现全覆盖”。在李韬看来，这份意见释放的政策排序清晰可见——“智能+医疗卫生”应用发展，就是鼓励“基层优先、影像先行、专病突破、中试基地承接”。

最大的瓶颈不是技术

需直面“谁来掏钱”“是否可信”等多重挑战

多名专家认为，AI医疗健康最大的瓶颈不是技术，而是谁付费。“目前尚未形成良性商业闭环，支付机制是核心卡点，模型、智能体和应用构建中低水平重复问题大量存在。“李韬表示，多数AI辅助诊疗项目未纳入医保，医院缺少采购动力，企业研发周期长、回报慢。

李韬。省互联网行业联合会供图

安全与技术风险，也是挑战。“模型幻觉、算法偏差带来误诊漏诊风险，存在医学知识准确性问题，且AI诊疗系统稳定性不足，易诱发医疗事故风险，面临追责难题。”李韬还提出，目前行业严重缺乏标准化指导框架和结构化准入验证机制。杨正林也表示，AI对复杂、罕见及疑难杂症的诊断准确率仍有局限，“黑箱”特性让临床医生难以完全采信，部分医护担心AI替代岗位、增加流程，患者对AI诊断安全性存疑。

数据治理也是绕不开的关口。杨正林表示，目前医疗数据来源分散、标准化程度低，跨机构、多中心的数据整合与共享面临技术、伦理双重挑战。李韬也算了一笔账——国内AI企业开发模型时，往往只能选用公开数据集或借用海外数据集训练，普遍存在病历录入不规范、影像参数不统一等问题，仅数据清洗与标注成本就占AI研发总成本的40%以上，他建议完善标准规范、数据治理、产品审评、场景验证、责任划分和全周期监管体系，聚焦重点疾病领域建设多模态、多病种高质量数据集，积极搭建医疗健康可信数据空间。

李韬还表示，部分AI产品在实验室表现良好，一旦进入真实医院环境后效果往往大打折扣。“目前获批的AI医疗器械约67%集中在放射影像领域，临床决策辅助、慢病管理、基层全科等场景开放严重不足。”他建议，可遴选并推广AI辅助疾病筛查、影像诊断等成熟模式，形成可复制、可推广的解决方案，设立专项基金或孵化平台，推动医疗AI纳入采购、收费和医保支付机制，对成熟度高、价值清晰、风险可控的AI应用探索纳入医疗服务价格、医保支付等。

杨正林还提出，目前既懂临床又懂算法的医工交叉人才严重紧缺，未来将构建医工交叉人才梯队，培养既懂医学又懂AI的复合型人才，开展全员AI素养提升。

别在影像赛道“卷”价格

在供给缺口大的场景建壁垒

挑战的另一面是机遇。

多名专家都指向基层和专病场景。“AI+医疗健康最大的机会，不在通用大模型，而在基层、专病、影像、慢病、长期照护这些高频、刚性、可支付的场景。”李韬提醒行业，不要扎堆影像赛道“卷”价格，要去临床决策、慢病管理、基层全科、长护履约等这些供给缺口大的场景建立壁垒。

杨正林认为，AI在医疗场景中务实、具落地价值的应用方向包括数据处理、效率提升、精准筛查、资源配置四个维度，他给出几个方向——深度整合医学数据，搭建动态医学知识库支撑临床决策；释放医护人力，承接文书、预问诊、医嘱初校对等重复工作；精准筛查预警，在罕见病基因分析、医学影像初筛、病理切片识别等场景辅助识别；优化医疗资源调度，智能安排床位、手术和物资配送，“比如在罕见病基因分析、医学影像初筛、病理切片识别等方面，AI辅助可以提升早期发现率和诊断准确率。”

杨正林说，省人民医院下一步将打造智慧病房、智慧手术室等标杆示范场景，沉淀可复制的标准化方案，共建联合实验室与AI医疗创新平台，推动科研成果转化。

产业往哪里走，李韬判断，医疗健康领域，AI的万亿市场在卖服务、卖效率、卖结果、卖信任，万亿空间来自医疗健康产业中研发、诊疗、服务、管理、支付、信任等环节的价值重新分配，AI将把其中低效、分散、不可核验的环节重新组织起来。下一个万亿级市场主体，很可能不是最大的模型公司，而是“伪装成服务公司的AI科技公司”。“AI医疗健康是一场场景、数据、支付和组织能力的综合竞赛。短期看技术，中期看场景，长期看可信能力。”

“但AI无法替代临床经验与人文关怀，也无权做出最终临床决策，难以应对术中大出血、解剖变异等突发状况，更无法建立医患情感连接。它不会取代医生，但善用AI的医疗机构能够更好服务患者。”杨正林补充道。

【未经授权，严禁转载！联系电话028-86968276】